Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorŠvec Jan, Ing. Ph.D.
dc.contributor.authorLovčí, Marek
dc.contributor.refereeIrcing Pavel, Doc. Ing. Ph.D.
dc.date.accepted2019-6-19
dc.date.accessioned2020-07-17T13:43:58Z-
dc.date.available2018-11-1
dc.date.available2020-07-17T13:43:58Z-
dc.date.issued2019
dc.date.submitted2019-5-24
dc.identifier79871
dc.identifier.urihttp://hdl.handle.net/11025/37686
dc.description.abstractTato práce shrnuje současný stav využití metod strojového učení v počítačové bezpečnosti. Prezentuje způsoby jak může být strojové učení využito jako obraný mechanizmus proti útokům, včetně příkladů systémů, vytvořených předními společnostmi v oboru počítačové bezpečnosti. Následně je v práci prozkoumáno téma zranitelností a možností útoků na modely strojového učení samotné, spolu s možnostmi zneužití takovýchto technik ve škodlivém software za účelem kradení dat, či skrytí přítomnosti malware v napadeném systému. V následující kapitole jsou analyzovány techniky klasifikace URL a je implementováno několik klasifikátorů, které rozhodují o škodlivosti, nebo nezávadnosti předložených URL adres. V poslední části je prezentován framework pro vysvětlování závěrů modelů strojového učení.cs
dc.formatviii s., 39 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectstrojové učenícs
dc.subjectpočítačová bezpečnostcs
dc.subjecturlcs
dc.subjectklasifikacecs
dc.titleAutomatická klasifikace škodlivých URLcs
dc.title.alternativeAutomatic classification of malicious URLsen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe thesis summarizes current state of machine learning and cybersecurity. The ways how machine learning can be used to protect against adversary attacks are presented, with examples of defense systems constructed by IT security companies. In the same part the topic of machine learning models vulnerabilities and means of exploitation to help malicious software steal data and hide its presence are explored. In the next chapter, the URL classification techniques are analysed and several classifiers are implemented in order to decide on harmfulness or harmlessness of given URLs. In the end, the framework explaining machine learning models' conclusions and its possible applications is investigated.en
dc.subject.translatedmachine learningen
dc.subject.translatedcybersecurityen
dc.subject.translatedurlen
dc.subject.translatedclassificationen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
lovci-bachelors-thesis.pdfPlný text práce2,11 MBAdobe PDFZobrazit/otevřít
lovci-v.pdfPosudek vedoucího práce673,11 kBAdobe PDFZobrazit/otevřít
lovci-o.pdfPosudek oponenta práce687,25 kBAdobe PDFZobrazit/otevřít
lovci-p.pdfPrůběh obhajoby práce285,29 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/37686

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra kybernetiky / Department of Cybernetics
  5. Bakalářské práce / Bachelor´s works (KKY)